pytorch使用介绍

一、pytorch使用介绍

1、帮助文档：https://docs.pytorch.org/docs/2.14/index.html

2、全局函数：https://docs.pytorch.org/docs/2.14/torch.html

3、张量函数：https://docs.pytorch.org/docs/2.14/tensors.html

4、X[:] = <expression>，X += Y，执行原地更新操作，能够有效节约内存；

5、形状不一致的矩阵，通过广播机制扩展为形状一致的矩阵，然后进行计算；

6、NaN代表缺失值，预处理可以用插值法和删除法，标签类型拆分为多列数值；

常用全局函数：

1、torch.arange(end)，创建一维向量；

2、torch.zeros(*size)，创建一个张量，元素全零；

3、torch.randn(*size)，创建一个张量，元素来自标准正态分布；

4、torch.cat(tensors, dim)，连接多个张量，dim=0按行扩展，dim=1按列扩展；

5、torch.allclose(input, other)，判断两个张量是否相近，比较浮点数存在误差，推荐使用；

6、torch.dot(input, tensor)，计算两个向量的点积；

常用张量函数：

1、Tensor.reshape(*shape)，修改张量形状，不修改元素数量和元素值；

2、Tensor.sum(dim=None)，对张量求和，指向哪个轴则对哪个轴求和；

数据预处理：插入均值和拆分标签

inputs = inputs.fillna(inputs.mean(numeric_only=True))
inputs = pd.get_dummies(inputs, columns=['name'], dummy_na=True, dtype=int)